文｜《中国企业家》 李晓天
编辑｜姚赟
头图来源｜中企图库
7月27日，由《中国企业家》杂志社主理的2024（第二十四届）中国企业未来之星年会在上海举行。在“前沿微课”环节，智谱AI COO张帆进行了名为“大模型的企业级运用探索与实践”的主题分享。
精彩要点如下：
1.AI变成了所有人都可以利用的根本生产要素。它变成根本生产要素往后，所有的上层建筑都会重构，我们的协作办法、组织办法、用户体验、商业模式都会变革。
2.本日大模型已经开始在各种各样的地方落地，无论是消费、制造、游戏、医疗、教诲、文旅等领域，都带来了直接的代价。
3.企业判断大模型是否ready，我见过两种极度的思维。一个，是把它当成许愿池，彷佛什么都可以搞定；另一个，是无时无刻找一些大模型干不成的事，证明它弗成——这两个极度都不对。
4.大模型并不是大略的对话，它将润物细无声地贯穿全体做事体系，在每一次循环中把这些能力沉淀下来，成为我们的核心竞争力。
来源：中企图库
以下是张帆的演讲实录（有删减）：
大家肯定比较熟习，ChatGPT发布之后，只用了2个月，环球用户过亿，是一款绝对的征象级产品，在此之前TikTok也用了9个月韶光。而且，现在大部分人对大模型的理解，并不是观点，而是我们感想熏染到了运用，以是大模型已经是可以落地的技能。
我们看到了IDC、Gartner等预测机构对大模型都非常有信心。Gartner预测，2024年1月，在生产中接入天生式AI或大模型的企业达到21%，到2026年，超过80%的企业都会接入天生式AI或大模型。麦肯锡预测，到2030年前，它有望为环球经济贡献7万亿美元的代价，中国进一步开释天生式AI总效益的1/3。
目前看起来这个预测一点也不激进。
AI从出身到现在差不多有七八十年了，为什么这次能让大家得到高度共识，成为让大家极具激情亲切的运用技能？2010年前后我们已经在运用AI了，只不过当时在搜索以及视频网站的推举都在运用，这便是所谓的AI0.5时期。那时候的AI每个都是独立运用，一个单词做一个实现，选一个数据演习一个模型，任何一个缺点都可能导致白做。那时，AI是高门槛技能，只有互联网大厂才能运用。
到了2013～2014年，我们看到一个变革，便是神经网络的打破，这一打破一下子把算法层统一了，这便是AI1.0时期。大家都用一个算法，某种程度上带来了AI的第一次普惠，让AI的本钱和门槛比原来低落一个数量级。这就引发了大家的运用，从互联网大厂开始转移抵家当和行业里，这也是大家真正把它和家当结合了。
AI2.0时期是什么？大模型把统统都统一了，从算法到模型，再到任务，全都统一了，包括未来的多模态，它会进一步带来普惠。另一方面，它把产品和门槛低落了两个数量级，让AI变成了一个根本技能，不再是高端技能。例如，企业内部做一个文档或者简历抽取，如果想要有还不错的效果至少须要两三个高阶工程师做半年。而两三个高阶工程师的薪水半年可能便是两三百万元，本钱非常高。但是，本日利用大模型，可以用一个不同编程的运营或者产品经理，花一个星期的韶光，就能做到和以前一样乃至更好的效果。
以是，AI变成了所有人都可以利用的根本生产要素。它变成根本生产要素往后，所有的上层建筑都会重构，我们的协作办法、组织办法、用户体验、商业模式都会变革。
说一下智谱AI，我们是2019年景立的公司，成立之初就把机器像人一样思考作为我们的义务，也是AGI的另一种表述。成立之初，我们就专注于大模型的研究，发布了完备自主知识产权，我们的模型叫GLM。
本日我们有了非常完备的模型矩阵，措辞模型既有1.5B、3B的端侧模型，而且这些端侧模型已经“跑”在了汽车上，包括AIGC、手机、NAS，我们也开源了6B，目前为止环球累计下载量已经超过了1600万。今年1月发布之后，GLM-4基本上达到了GPT-4的平替了。我们还开源了9B模型，它也是唯一一个可以直接跑到百万窗口（的模型），而且完备开源了，大家都可以运用。我们开始了All Tools的做事，不仅可以在浅水区实行，也可以在深水区，可以拆解动作、实行动作，乃至自己写代码、实行代码，让模型的运用进入深水区。
还有多模态的模型能力，大略讲讲它有什么用。第一张图上面有三个小房子，问大模型，它会说有四个，由于阁下还有半个屋子，以是它推理阁下还有第四个屋子。以前只是图生图，但现在它已经可以基于图做推理，这便是带来的深度运用。
来源：受访者
同时，我们把大模型的运用处景和天花板拉得更高，非常繁芜的表格可以不做任何针对性演习，就可以直接输出markdown，降落了AI的门槛。
来源：受访者
昨天我们发布了天生式视频模型，很多人进行试用之后反馈良好。昨天我们也看到了很多天生的故意思的视频发到了朋友圈。它当然有很多不完美，但这只是第一个版本，相信大模型迭代的速率，它会非常快地进步和进化。
我们致力于通过AGI打造全新一代的MaaS平台，让大家可以随时微调我们的千亿模型，让每个人都用自己的私有模型。我们适配了海内端侧模型，还适配了海内40个厂家的信创芯片，运用上更加自由。
本日大模型已经开始在各种各样的地方落地，无论是消费、制造、游戏、医疗、教诲、文旅等领域，都带来了直接的代价。
看几个例子。在汽车领域，从文本模型到文生图模型、图像理解模型做成了一个组合，如果再分层，有部分在端侧，有部分在云侧，做了部分的矩阵组合。在车里的文本模型可以办理原来很难办理的问题：比如谈天，以前的语音助手很难支持多轮的对话，它可以连续聊下去；比如车控，以前只能大略地开窗、关窗，现在可以繁芜车控，条件意图以及隐含意图都可以搞定。车外景物识别，是外部信息和内部信息的感知，比如问前面的车是什么牌，还可以问是不是系了安全带，小朋友是不是爬上去了等等，有很多运用处景。
还有手机和音响助理，大模型带来了明显超越传统方法的效果。还有发卖助手，当发卖给客户打电话，把声音录下来之后，就能转成构造化的需求和构造化的用户画像。还有撰写文案，改写、缩写、天生PPT等等。
企业判断大模型是否ready，我见过两种极度的想法。一个，是把它当成许愿池，彷佛什么都可以搞定；另一个，是无时无刻找一些大模型干不成的事，证明它弗成——这两个极度都不对。显然我们知道本日的大模型相称于iPhone1.0，上面的运用一定比PC好吗？不一定，但最少是一个开始，我们找到得当化的程度以及试点，找到对应的卖力人并且给予合理的期待，这是我们的关键。
从模型的角度该当怎么思考呢？我们创造本日很多人在运用模型的时候，切入点便是错的，这不是模型能搞定的事。
大模型时期如何构建自己的竞争力，便是四个维度：选择得当的基座模型，与之搭配相适应的组织，重新定义在新的生产工具下的数据资产，并且找到业务场景与之领悟。变成一个正向的飞轮，让每一轮飞轮都变成数据资产，沉淀一部分。
在选择基座模型的时候要算大账，算整体支出和业务的整体本钱。组织方面，并不是技能越强越好，也不是人越多越好，如何适可而止地选择在模型上运用须要的技能，我以为很主要。同时，过去的数据资产，全部都是建立在构造化体系上的，我们做知识图谱和业务系统也好，永久都是要构造化，但构造化注定只是少量数据。
本日大模型背景下，更广泛的数据、非构造化的数据都会变成资产，极大地外延了资产的边界，为资产带来了全新的定义。在此之后，便是要办理在数据之上如何把数据转化为业务场景的问题。大模型并不是大略的对话，它将润物细无声地贯穿全体做事体系，在每一次循环中把这些能力沉淀下来，成为我们的核心竞争力。
